用于用户侧分布式能源系统的电数字数据处理方法和系统技术方案

本发明专利技术涉及一种用于用户侧分布式能源系统的电数字数据处理方法和系统，涉及电数字数据处理领域，所述系统与所述方法对应，所述方法包括：基于用户侧过往多天同一时间分段分别对应的多份用电负荷功率预测用户侧在未来时间分段的用电负荷功率；基于未来时间分段的风力发电功率

【技术实现步骤摘要】
用于用户侧分布式能源系统的电数字数据处理方法和系统


[0001]本专利技术涉及电数字数据处理领域，尤其涉及一种用于用户侧分布式能源系统的电数字数据处理方法和系统
。

技术介绍

[0002]由风电和光伏为主要组成部分的再生能源由于安全环保以及再生性强，在近年的受关注度显著提升，在能源结构转型的大环境下，电力行业提高最迅速的能量来源是可再生能源，其年增长速度已经远远超过火电能源的增长速度
。
[0003]然而，因为风电和光伏具有很强的波动性以及间歇性，同时用户侧用电具有一定的偶然性和随机性，当将风电和光伏并入电网对用户侧进行供电时，因为供电功率和用电负荷功率不匹配，导致弃风率以及弃光率容易达到超过
30%
的幅值，这种情况下就需要采取措施进行储能，例如采用分布在多个不同位置的储能单元实现的分布式能源系统为用户侧提供储能和放能服务，从而在实现对用户侧用电波峰和波谷的平滑处理的同时，尽可能减少对风电功率和光伏功率的浪费
。
[0004]示例地，中国专利技术专利公开文本
CN112085263A
提出的一种用于用户侧分布式能源系统的电数字数据处理方法和系统，包括：采集用户侧分布式能源系统的能源费用，及系统内各单元设备的物理参数和经济参数；对构建好的双层优化配置模型求解，获得系统运行方式和容量配置的最佳调度方案；双层优化配置模型，包含内层调度优化模型和外层规划模型，内层调度优化模型以系统日经济运行成本最小为目标，输出系统运行方式的优化调度和日经济运行成本，外层规划模型以系统全寿命周期内等年值成本最小为目标，输出系统容量配置方案和等年值成本
。
本专利技术实现对系统运行方式和容量配置的同时优化调度，且该调度方案满足系统的最优经济运行要求
。
[0005]示例地，中国专利技术专利公开文本
CN114254551A
提出的一种分布式储能多目标优化配置方法及系统，包括以下步骤：获取待配置储能系统的数据，得到目标数据；基于所得到的目标数据，分别构建不同投资主体下储能系统优化配置的混合整数非线性模型，确定优化目标函数；采用二阶锥规划算法，对所述混合整数非线性模型进行转化，得到锥优化模型；求解所述锥优化模型，输出储能系统的优化配置结果
。
充分考虑多场景需求的储能系统优化配置问题，对分布式电源侧和用户侧储能系统进行优化建模，满足源
、
荷侧应用场景及投资主体的需求，在考虑源
、
荷侧配置储能系统后的配电网电源和负荷特性的基础上，配置电网侧储能系统，满足电网主体对储能方案系统的需求
。
[0006]显然，上述现有技术没有将专利技术构思的重点放在如何优化风电和光伏的储能配置以平滑用户侧用电波峰波谷的同时，降低弃风率以及弃光率，而是将专利技术构思的重点放在了如何调节储能配置以降低经济运行成本的资本统筹方面
。
因此，无法根据风力发电和光伏发电的具体发电状态以及用户侧的具体用电负荷状态在满足用户侧用电需求的同时提升风力发电电能以及光伏发电电能的利用率，导致现有技术中的分布式能源系统的混合储能配置仍旧会发生用户侧缺电或者发电能源浪费的场景
。

技术实现思路

[0007]为了解决相关领域的技术问题，本专利技术提供了一种用于用户侧分布式能源系统的电数字数据处理方法和系统，能够采用多种定制的智能预测模型分别基于过往时间分段的电量数据预测未来时间分段的风力发电电量
、
光伏发电电量以及用户侧负荷电量，并基于预测的未来时间分段的风力发电电量
、
光伏发电电量以及用户侧负荷电量优化分布式能源系统的混合储能配置，从而在保证用户侧用电电量充分供应的同时，通过智能化混合储能管理模式提升混合能源的利用率
。
[0008]根据本专利技术的第一方面，提供了一种用于用户侧分布式能源系统的电数字数据处理方法，所述方法包括：采用第一预测模型对服务于用户侧的风力发电系统执行未来时间分段的风力发电功率的智能预测处理，所述第一预测模型的各项输入数据为风力发电系统在第一设定数目的多个过往时间分段分别对应的多份过往发电信息；采用第二预测模型对服务于用户侧的光伏发电系统执行未来时间分段的光伏发电功率的智能预测处理，所述第二预测模型的各项输入数据为光伏发电系统在第二设定数目的多个过往时间分段分别对应的多份过往发电信息；基于用户侧过往多天在与未来时间分段的同一时间分段分别对应的多份用电负荷功率预测用户侧在未来时间分段的用电负荷功率；基于未来时间分段的风力发电功率
、
光伏发电功率以及用电负荷功率确定服务于用户侧的分布式能源系统在未来时间分段的混合储能优化配置策略；其中，第一预测模型和第二预测模型都为完成多次训练的前馈神经网络且训练使用的数据分别来自风力发电系统和光伏发电系统的过往时间分段的过往发电信息
。
[0009]根据本专利技术的第二方面，提供了一种用于用户侧分布式能源系统的电数字数据处理系统，所述系统包括：第一预测机构，用于采用第一预测模型对服务于用户侧的风力发电系统执行未来时间分段的风力发电功率的智能预测处理，所述第一预测模型的各项输入数据为风力发电系统在第一设定数目的多个过往时间分段分别对应的多份过往发电信息；第二预测机构，用于采用第二预测模型对服务于用户侧的光伏发电系统执行未来时间分段的光伏发电功率的智能预测处理，所述第二预测模型的各项输入数据为光伏发电系统在第二设定数目的多个过往时间分段分别对应的多份过往发电信息；第三预测机构，用于基于用户侧过往多天在与未来时间分段的同一时间分段分别对应的多份用电负荷功率预测用户侧在未来时间分段的用电负荷功率；优化配置机构，分别与第一预测机构
、
第二预测机构以及第三预测机构连接，用于基于未来时间分段的风力发电功率
、
光伏发电功率以及用电负荷功率确定服务于用户侧的分布式能源系统在未来时间分段的混合储能优化配置策略；其中，第一预测模型和第二预测模型都为完成多次训练的前馈神经网络且训练使用的数据分别来自风力发电系统和光伏发电系统的过往时间分段的过往发电信息
。
[0010]由此可见，本专利技术至少具备以下几处突出的实质性特点及技术效果：第一处：分别采用不同的智能预测模型以基于服务于用户侧的风力发电系统和光伏发电系统在多个过往时间分段的过往发电信息分别预测未来时间分段风力发电系统和
光伏发电系统分别能够向用户侧提供的风力发电功率和光伏发电功率，从而为后续的服务于用户侧的分布式能源系统在未来时间分段的混合储能优化配置策略的动态制定提供关键数据；第二处：不同的智能预测模型都为完成多次训练的前馈神经网络且训练使用的数据分别来自风力发电系统和光伏发电系统的过往时间分段的过往发电信息，其中，风力发电系统使用的过往时间分段的数量与风力发电系统中的风力发电机组的数量正向关联，光伏发电系统使用的过往时间分段的数量与光伏发电系统的光伏电板的数量正向关联，从而保证了不同的智能预测模型的预测结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于用户侧分布式能源系统的电数字数据处理方法，其特征在于，所述方法包括：采用第一预测模型对服务于用户侧的风力发电系统执行未来时间分段的风力发电功率的智能预测处理，所述第一预测模型的各项输入数据为风力发电系统在第一设定数目的多个过往时间分段分别对应的多份过往发电信息；采用第二预测模型对服务于用户侧的光伏发电系统执行未来时间分段的光伏发电功率的智能预测处理，所述第二预测模型的各项输入数据为光伏发电系统在第二设定数目的多个过往时间分段分别对应的多份过往发电信息；基于用户侧过往多天在与未来时间分段的同一时间分段分别对应的多份用电负荷功率预测用户侧在未来时间分段的用电负荷功率；基于未来时间分段的风力发电功率
、
光伏发电功率以及用电负荷功率确定服务于用户侧的分布式能源系统在未来时间分段的混合储能优化配置策略；其中，第一预测模型和第二预测模型都为完成多次训练的前馈神经网络且训练使用的数据分别来自风力发电系统和光伏发电系统的过往时间分段的过往发电信息
。2.
如权利要求1所述的用于用户侧分布式能源系统的电数字数据处理方法，其特征在于：基于未来时间分段的风力发电功率
、
光伏发电功率以及用电负荷功率确定服务于用户侧的分布式能源系统在未来时间分段的混合储能优化配置策略包括：在未来时间分段的风力发电功率
、
未来时间分段的光伏发电功率以及未来时间分段的分布式能源系统的最大储能功率三项数据和小于未来时间分段的用电负荷功率时，在未来时间分段到来前为用户侧启动火力发电功率的提前调度；其中，基于未来时间分段的风力发电功率
、
光伏发电功率以及用电负荷功率确定服务于用户侧的分布式能源系统在未来时间分段的混合储能优化配置策略包括：在未来时间分段的风力发电功率以及未来时间分段的光伏发电功率的和大于未来时间分段的用电负荷功率时，对用户侧的分布式能源系统在未来时间分段进行储能配置操作；其中，基于未来时间分段的风力发电功率
、
光伏发电功率以及用电负荷功率确定服务于用户侧的分布式能源系统在未来时间分段的混合储能优化配置策略包括：在未来时间分段的风力发电功率
、
未来时间分段的光伏发电功率以及未来时间分段的分布式能源系统的最大储能功率三项数据和大于等于未来时间分段的用电负荷功率且未来时间分段的风力发电功率以及未来时间分段的光伏发电功率的和小于未来时间分段的用电负荷功率时，对用户侧的分布式能源系统在未来时间分段进行放能配置操作；其中，所述第一预测模型的各项输入数据为风力发电系统在第一设定数目的多个过往时间分段分别对应的多份过往发电信息包括：风力发电系统在每一个过往时间分段对应的过往发电信息为风力发电系统在每一个过往时间分段对应的气压均值
、
气温均值
、
最大发电功率
、
最小发电功率以及平均发电功率；其中，所述第二预测模型的各项输入数据为光伏发电系统在第二设定数目的多个过往时间分段分别对应的多份过往发电信息包括：光伏发电系统在每一个过往时间分段对应的过往发电信息为光伏发电系统在每一个过往时间分段对应的太阳能辐射量均值
、
气温均值
、
最大发电功率
、
最小发电功率以及平均发电功率；
其中，第一设定数目
、
第二设定数目的取值分别与风力发电系统中的风力发电机组的数量
、
光伏发电系统的光伏电板的数量正向关联；其中，服务于用户侧的分布式能源系统包括围绕用户侧分布在多个不同地理位置的多个储能单元，以及所述分布式能源系统对用户侧执行放能时，优先将距离用户侧最近的储能单元进行放能，所述分布式能源系统对用户侧执行储能时，优先将距离用户侧最近的储能单元进行储能
。3.
如权利要求2所述的用于用户侧分布式能源系统的电数字数据处理方法，其特征在于，在基于未来时间分段的风力发电功率
、
光伏发电功率以及用电负荷功率确定服务于用户侧的分布式能源系统在未来时间分段的混合储能优化配置策略之后，所述方法还包括：接收并存储服务于用户侧的分布式能源系统在未来时间分段的混合储能优化配置策略
。4.
如权利要求2所述的用于用户侧分布式能源系统的电数字数据处理方法，其特征在于，在基于未来时间分段的风力发电功率
、
光伏发电功率以及用电负荷功率确定服务于用户侧的分布式能源系统在未来时间分段的混合储能优化配置策略之后，所述方法还包括：向用户侧的远端的执行混合储能管理的大数据服务器发送服务于用户侧的分布式能源系统在未来时间分段的混合储能优化配置策略
。5.
如权利要求2‑4任一所述的用于用户侧分布式能源系统的电数字数据处理方法，其特征在于：风力发电系统在每一个过往时间分段对应的过往发电信息为风力发电系统在每一个过往时间分段对应的气压均值
、
气温均值
、
最大发电功率
、
最小发电功率以及平均发电功率包括：针对每一个过往时间分段，将其进行均匀分割以获得多个参考时刻，对风力发电系统所在地区在多个参考时刻分别对应的多份气压测量数值进行均值处理，以获得其对应的气压均值；其中，针对每一个过往时间分段，将其进行均匀分割以获得多个参考时刻，对风力发电系统所在地区在多个参考时刻分别对应的多份气温测量数值进行均值处理，以获得其对应的气温均值；其中，针对每一个过往时间分段，将其进行均匀分割以获得多个参考时刻，对风力发电系统所在地区在多个参考时刻分别对应的多份发电功率进行均值处理，以获得其对应的平均发电功率；其中，针对每一个过往时间分段，将其进行均匀分割以获得多个参考时刻，将风力发电系统所在地区在多个参考时刻分别对应的多份发电功率的最大值和最小值分别作为其对应的最大发电功率...

【专利技术属性】
技术研发人员：朱建文，李可，李国亮，林煜清，王坤，杨飞，种飞洲，陆璐，董博，
申请(专利权)人：国网山东省电力公司枣庄供电公司，
类型：发明
国别省市：